医薬品を効率的にスクリーニングするための新しいフレームワーク |マサチューセッツ工科大学ニュース

ペニシリンなど、現在最も広く使用されている薬剤の一部は、表現型スクリーニングと呼ばれるプロセスを通じて発見されました。この方法を使用することで、科学者は基本的に問題に薬を投入し、たとえば細菌の増殖を止めたり、細胞の欠陥を修復したりする際に、薬がどのように作用するかを最初に知る必要がなく、次に何が起こるかを観察することになります。おそらく驚くべきことかもしれませんが、過去のデータは、このアプローチが特定の分子標的に焦点を絞った研究よりも承認された医薬品を生み出すのに優れていることを示しています。

しかし、多くの科学者は、問題を適切に設定することが成功への真の鍵であると信じています。単一の突然変異によって引き起こされる特定の微生物感染症や遺伝的疾患は、がんのような複雑な疾患よりもプロトタイプを作成するのがはるかに簡単です。これらには、作成または取得するのがはるかに難しい複雑な生物学的モデルが必要です。その結果、検査できる薬剤の数がボトルネックとなり、表現型スクリーニングの有用性が損なわれます。

現在、科学者チームが率いる MITのシャレック研究室 は、表現型スクリーニングを大規模に適用する難しさに対処する有望な新しい方法を開発しました。彼らの手法を使用すると、研究者は生物学的問題に同時に複数の薬剤を適用し、その後、コンピュータで逆算してそれぞれの個別の効果を把握することができます。たとえば、チームがこの方法を膵臓がんとヒト免疫細胞のモデルに適用したところ、驚くべき新しい生物学的洞察を明らかにすると同時に、コストとサンプル要件を数分の 1 に最小限に抑え、科学研究におけるいくつかの問題を一度に解決することができました。 。

ゼブ・ガートナーカリフォルニア大学サンフランシスコ校の薬化学教授は、この新しい方法には大きな可能性があると述べています。 「興味のある強力な表現型がある場合、これは非常に強力なアプローチになると思います」とガートナー氏は言う。

の 研究が発表されました 10月8日 ネイチャーバイオテクノロジー。 それを率いていたのは、アイビー・リュー、ワラー・カッタン、ベンジャミン・ミード、コナー・クマーロウ、そして アレックス・K・シャレック、医工学科学研究所 (IMES) および MIT のヘルス イノベーション ハブの所長であり、IMES および化学科の JW キークヘファー教授も務めています。これは国立衛生研究所とビル・アンド・メリンダ・ゲイツ財団によって支援されました。

規模を拡大する「クレイジーな」方法

過去 10 年間にわたる技術の進歩により、個々の細胞の内部生活についての理解に革命が起こり、より豊富な表現型スクリーニングの準備が整いました。しかし、多くの課題が残されています。

まず、オルガノイドや一次組織などの生物学的に代表的なモデルは、限られた量しか入手できません。単一細胞 RNA シーケンスなどの最も有益な検査も、費用と時間がかかり、労力がかかります。

だからこそ、チームはすべてを混ぜ合わせるという「大胆で、おそらくクレイジーなアイデア」を試すことにしたのだと、MIT 計算機・システム生物学プログラムの博士課程学生であるリュー氏は言う。言い換えれば、彼らは、薬物、化学分子、細胞によって作られる生物学的化合物などの多くの摂動を 1 つの調合物に組み合わせ、その後、それらの個々の影響を解読しようとすることを選択しました。

彼らは、米国食品医薬品局が承認した 316 種類の医薬品をさまざまに組み合わせてワークフローのテストを開始しました。 「これはハードルが高く、基本的には最悪のシナリオです」とリュー氏は言う。 「どの薬物も強力な効果があることが知られているため、信号のもつれを解くことは不可能だったかもしれません。」

これらのランダムな組み合わせは、プールごとに 3 ～ 80 種類の薬物の範囲であり、それぞれが実験室で培養された細胞に適用されました。次にチームは、線形計算モデルを使用して個々の薬剤の効果を理解しようとしました。

それは成功でした。個々の薬剤に対する従来の検査と比較すると、新しい方法では同等の結果が得られ、わずかな費用、サンプル、労力で、各プールで最も強力な薬剤とそのそれぞれの効果を見つけることに成功しました。

実践する

現実世界の健康課題に対処するためのこの方法の適用可能性をテストするために、チームは次に、過去の表現型スクリーニング技術では以前は想像できなかった 2 つの問題に取り組みました。

最初のテストは、最も致死率の高い癌の 1 つである膵管腺癌 (PDAC) に焦点を当てました。 PDAC では、腫瘍環境の周囲の細胞から多くの種類のシグナルが送信されます。これらの信号は、腫瘍の進行や治療に対する反応に影響を与える可能性があります。そこで、チームは最も重要なものを特定したいと考えました。

さまざまな信号を並行してプールする新しい方法を使用して、いくつかの意外な候補を発見しました。 「いくつかのヒット曲は、私たちにはまったく予測できませんでした」とシャレックは言います。これらには、公的がんデータセットにおける PDAC 患者の生存転帰を実際に予測できる、これまで見落とされていた 2 つのサイトカインが含まれていました。

2 番目のテストでは、免疫系の機能の調整に対する 90 種類の薬剤の効果を調べました。これらの薬剤は、さまざまな種類の免疫細胞が複雑に混在している新鮮なヒトの血液細胞に適用されました。新しい方法と単一細胞 RNA シーケンスを使用することで、チームは大規模な薬物ライブラリをテストできるだけでなく、細胞の種類ごとに薬物の効果を分離することもできました。これにより、チームは各薬剤がより複雑な組織でどのように機能するかを理解し、その目的に最適な薬剤を選択できるようになりました。

「T細胞に欠陥があるので、この薬を追加するつもりだと言うかもしれませんが、その薬が組織内の他のすべての細胞にどのような影響を与えるかについては決して考えません。」とシャレクは言います。 「私たちはこの情報を収集する方法を手に入れ、目標通りの効果を最大化し、副作用を最小限に抑える薬を選択できるようになりました。」

これらの実験を総合すると、シャレクは潜在的な治療法に関する仮説を立てるためのより良いツールとデータセットを構築する必要性も示しました。 「私たちが見た反応の複雑さと予測可能性の欠如は、多くの場合、適切な、または最も効果的な薬を見つけていない可能性が高いことを示しています」とシャレクは言います。

障壁を減らし、生活を改善する

現在の圧縮技術では、最も大きな影響を与える摂動を特定することはできますが、それぞれの影響を完全に解決することはまだできません。したがって、チームは追加のスクリーニングをサポートする補足として機能することを推奨しています。 「トップヒットを調査する伝統的なテストは今後も続くべきです」とリュー氏は言う。

ただし重要なのは、新しい圧縮フレームワークにより、画面の実行に必要な入力サンプルの数、コスト、労力が大幅に削減されることです。障壁が少なくなったことで、さまざまな細胞の複雑な反応を理解し、精密医療のための新しいモデルを構築する上で刺激的な進歩が見られました。

シャレク氏は、「これは本当に素晴らしいアプローチで、患者の生活を改善するために使用できる適切な標的や適切な薬剤を見つけるためにできることの可能性を広げてくれます。」と述べています。